Graph Wavelet-Based Multiscale Convolutional Network for HSI Classification

Junhua Ku

doi:10.1109/ACCESS.2025.3630480

Graph Wavelet-Based Multiscale Convolutional Network for HSI Classification

2025-01-01

0

OA

AI

DOI：10.1109/ACCESS.2025.3630480

原文链接

查看原文

摘要

En 中文

高光谱图像（HSIs）具有高维特性，且通常伴随着极少量的标记样本，这使得建模其复杂的、非欧几里得空间关系变得困难，并导致众所周知的维度灾难问题。为解决此问题，我们提出了一种基于图小波的多尺度卷积网络（MS-GWCN），该网络将光谱图小波滤波嵌入到图卷积骨干网络中，以提取频域感知的光谱-空间特征。具体而言，我们首先利用8邻域连通性从HSI构建空间图，以保留有效像素间的局部空间一致性。然后，通过不同阶数的并行切比雪夫多项式图卷积实现多尺度图小波响应，从而使每个分支捕获特定图尺度上的信息。将所得的尺度特定特征沿通道维度拼接，并由后续的图/MLP层处理，以学习判别性表示（与发布的实现一致，无单独注意力模块）。在Indian Pines、Salinas和Pavia University三个公开基准数据集上的实验表明，所提出的MS-GWCN相较于代表性的HSI分类方法，在总体精度、平均精度、每类精度和Kappa系数方面均表现更优，展示了其在跨场景下的鲁棒性和泛化能力。

Keyword:

Graph wavelet transform

hyperspectral image classification

spectral-spatial fusion

multi-scale graph convolutional network

deep learning

Graph Wavelet-Based Multiscale Convolutional Network for HSI Classification

摘要

AI总结

期刊

机构

引用论文